Segue abaixo algumas sugestões para futuras pesquisas:
a) Incluir no conjunto de dados outros tipos de estacas, como por exemplo: estaca raiz, pré-moldada de concreto, etc.;
b) Incluir como variáveis resultados de outros ensaios, como por exemplo: ensaio do cone, ensaio de piezocone (CPT-U), etc.;
c) Incluir no conjunto de dados mais exemplos de entrada e saída para as regiões nordeste, norte e centro-oeste brasileiras;
d) Considerar as características de deformabilidade (módulo de elasticidade e compressibilidade) dos elementos estruturais;
e) Considerar os parâmetros de resistência e deformabilidade do solo; f) Considerar o nível do lençol freático;
g) Quantificar as incertezas do modelo (fator de segurança x probabilidade e risco admissível);
h) Considerar outros valores para o valor máximo do NSPT ao longo do fuste e da ponta da estaca.
REFERÊNCIAS BIBLIOGRÁFICAS
AMANCIO, L. B. Previsão de recalques em fundações profundas utilizando redes
neurais artificiais do tipo perceptron. 90f. Dissertação (Mestrado em Engenharia Civil) –
Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2013.
AMANN, K. A. P. Metodologia semiempírica unificada para a estimativa da capacidade
de carga de estacas. v.1. 430f. Tese (Doutorado em Engenharia) – Escola Politécnica da
Universidade de São Paulo, São Paulo, 2010.
ANJOS, G. J. M. Estudo experimental do comportamento de fundações escavadas em
solos tropicais. 341f. Tese (Doutorado em Geotecnia) – Departamento de Engenharia Civil e
Ambiental, Universidade de Brasília, Brasília, 2006.
ARAÚJO, C. B. C. Previsão de vazão para o açude Orós/CE a partir de dados
hidrometereológicos utilizando perceptrons. 76f. Monografia (Graduação em Engenharia
Civil) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2013.
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 6122:2010: Projeto e execução de fundações. Rio de Janeiro, 2010.
_____. NBR 12131: estacas: prova de carga estática. Rio de Janeiro, 1992.
_____. NBR 6484: solo: sondagens de simples reconhecimento com SPT – método de ensaio. Rio de Janeiro, 2001.
BARROS, N. B. F. Previsão de recalque e análise de confiabilidade de fundações em
estacas hélice contínua. 251f. Dissertação (Mestrado) – Escola de Engenharia de São Carlos,
Universidade de São Paulo. São Carlos, 2012.
BRAGA, A. P.; CARVALHO, A. P. de L. F.; LUDERMIR, T. B. Redes Neurais Artificiais: teoria e aplicações. Rio de Janeiro: LTC, 2000.
BUSSAB, W. O.; MORETTIN, P. A. Estatística básica. 4. ed. São Paulo: Atual, 1987. CAVALCANTE, E. H. Investigação teórico-experimental sobre o SPT. 410f. Tese (Doutorado), COPPE, Universidade Federal do Rio de Janeiro. Rio de Janeiro, 2002.
CHISSOLUCOMBE, I. Uso de técnicas de inteligência artificial na estimativa de
deslocamentos e danos induzidos por escavações subterrâneas. 216f. Tese (Doutorado em
Geotecnia). Departamento de Engenharia Civil e Ambiental, Universidade de Brasília. Brasília, 2009.
CINTRA, J. C. A.; AOKI, N. Fundações por estacas: projeto geotécnico. São Paulo: Oficina de Textos, 2010.
DANTAS NETO, S. A. Avaliação das propriedades dos ligantes e das misturas asfálticas
modificados com borracha granulada de pneus usados. 265f. Tese (Doutorado em
Geotecnia), Departamento de Engenharia Civil e Ambiental, Universidade de Brasília, Brasília, 2004.
FERREIRA, R. A. Previsão da capacidade de carga de fundações profundas através de
redes neurais artificiais. 85f. Monografia (Bacharel em Engenharia Civil), Universidade
Estadual de Feira de Santana, Feira de Santana, 2010.
GUSMÃO FILHO, J. A. Fundações do conhecimento geológico à prática da engenharia. Recife: Ed. Universitária da UFPE, 1998.
HAYKIN, S. Redes neurais: princípios e prática. Tradução de Paulo Martins Engel. 2. ed. Porto Alegre: Bookman, 2001.
KOVÁCS, Z. L. Redes neurais artificiais: Fundamentos e Aplicações. 3. ed. São Paulo: Livraria da Física, 2002.
LAMBE, T. W.; WHITMAN, R. V. Soil mechanics. New York: John Wiley & Sons, Inc., 1969.
LANGONE, M. J. Método UFRGS de previsão de capacidade de carga em estacas:
análise de provas de carga estáticas instrumentadas. 204f. Dissertação (Mestrado em
Engenharia). Programa de Pós-Graduação em Engenharia Civil, Universidade Federal do Rio Grande do Sul. Porto Alegre, 2012.
LIMA, M. J. de. Prospecção geotécnica do subsolo. Livros Técnicos e Científicos. Editora S.A.. Rio de Janeiro, 1979.
MAGALHÃES, P. H. L. Avaliação dos métodos de capacidade de carga e recalque de
estacas hélice contínua via prova de carga. 243f. Dissertação (Mestrado em Geotecnia),
Departamento de Engenharia Civil e Ambiental, Universidade de Brasília, Brasília, 2005. MARTÍNEZ-CARVAJAL, H. E. Modelagem construtiva de areias usando redes neurais
artificiais. 250f. Tese (Doutorado em Geotecnia), Departamento de Engenharia Civil,
Universidade de Brasília, Brasília, 2006.
MOURA, A. S. Investigação geotécnica: interpretações. Notas de Aula, 2012.
MURTHY, V. N. S. Geotechnical engineering: principles and practices of soil mechanics and foundation engineering. New York: Marcel Dekker, Inc., 2002.
NEJAD, F. P.; JAKSA, M. B.; McCABE, B. A. Prediction of pile settlement using
artificial neural networks based on standard penetration test data. Elsevier Sci:
Computers and Geotechnics, [S.l.], p. 1125-1133. set. 2009.
NIYAMA, S.; AOKI, N.; CHAMECKI, P. R. Verificação de desempenho. In: HACHICH et al. (eds.). Fundações: teoria e prática. 2. Ed. São Paulo: PINI, 1998. cap. 20.
OLIVEIRA FILHO, U. M. Fundações profundas: estudos. 3.ed. rev. e ampl. Porto Alegre: D. C. Luzzatto Ed., 1988.
POULOS, G.H.; DAVIS, E. H. Pile Foundation Analisys and Design. Wiley and Sons, 397 p, New York, USA, 1980.
RANDOLPH, M.; WROTH, C. Analisys of Deformation of Vertically Loaded Piles. JGED, ASCE, 104 (GT12), pp 1465-1488, 1978.
SANTOS JR, O. J. Análise de dados de instrumentação de túneis do metrô de São Paulo: uma abordagem por Redes Neurais. 160f. Dissertação (Mestrado em Geotecnia), Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2006.
SCHNAID, F. Ensaios de campo suas aplicações à engenharia de fundações. São Paulo, SP: Oficina de Textos, 2000.
SHAHIN, M. A.; JAKSA, M. B.; MAIER, H. R. Artificial neural network applications in
geotechnical engineering. Australian Geomechanics, 2001.
TEIXEIRA, A. H., GODOY, N. S. de. Análise, projeto e execução de fundações rasas. In: HACHICH et al. (eds.). Fundações: teoria e prática. 2. Ed. São Paulo: PINI, 1998. cap. 7. TERZAGHI, K.; PECK, R. B.; MESRI, G. Soil mechanics in engineering practice. 3. ed. New York: John Wiley & Sons, Inc., 1996.
TRIOLA, M. F. Introdução à Estatística. 7. ed. Rio de Janeiro: LTC, 1999.
VELLOSO, D. A.; LOPES, F. R. Fundações, volume 1: critérios de projetos, investigação do subsolo, fundações superficiais. 2 ed. São Paulo: Oficina de Textos, 2011.
VELLOSO, D. A.; LOPES, F. R. Fundações, volume 2: fundações profundas. Nova ed. São Paulo: Oficina de Textos, 2010.
APÊNDICE B – COMPORTAMENTOS DA CORRELAÇÃO x NÚMERO DE ITERAÇÕES NA FASE DE TREINAMENTO E VALIDAÇÃO DOS MODELO DE
PREVISÃO DO RECALQUES EM FUNDAÇÕES PROFUNDAS.
FIGURA B.16 – Evolução das correlações com número de iteração na fase de treinamento e validação do modelo de previsão de recalque em fundações profundas com arquitetura A10:5:1.
Fonte: Autor (2014)
FIGURA B.17 - Evolução das correlações com número de iteração na fase de treinamento e validação do modelo de previsão de recalque em fundações profundas com arquitetura A10:6:2:1.
FIGURA B.18 - Evolução das correlações com número de iteração na fase de treinamento e validação do modelo de previsão de recalque em fundações profundas com arquitetura A10:8:4:1.
Fonte: Autor (2014)
FIGURA B.19 - Evolução das correlações com número de iteração na fase de treinamento e validação do modelo de previsão de recalque em fundações profundas com arquitetura A10:12:6:1.
FIGURA B.20 - Evolução das correlações com número de iteração na fase de treinamento e validação do modelo de previsão de recalque em fundações profundas com arquitetura A10:8:6:4:1.
Fonte: Autor (2014)
FIGURA B.21 - Evolução das correlações com número de iteração na fase de treinamento e validação do modelo de previsão de recalque em fundações profundas com arquitetura A10:8:10:4:1.
FIGURA B.22 - Evolução das correlações com número de iteração na fase de treinamento e validação do modelo de previsão de recalque em fundações profundas com arquitetura A10:14:8:4:1.
Fonte: Autor (2014)
FIGURA B.23 - Evolução das correlações com número de iteração na fase de treinamento e validação do modelo de previsão de recalque em fundações profundas com arquitetura A10:8:6:4:2:1.